结合肺先验与协同深监督的肿瘤自动分割

计算机断层扫描图像中复杂肺肿瘤(CLT)的自动分割面临2个挑战:1)肿瘤与邻近组织之间的类间不区分;2)肿瘤内的类内不一致性.为了解决这2个问题,提出将肺肿瘤与肺之间关系的语义上下文先验纳入分割模型中,以便于模型学习到语义上下文特征,并从宏观角度重新思考CLT的分割.利用信息熵对肺形状的解剖先验进行建模.在三分类的U-Net网络中嵌入提出的新型注意模块,从而通过特定领域的知识来指导训练过程.另外,设计了一个可以获得肿瘤边界结构图以及保持肿瘤内部特征一致性的边界增强辅助网络.在此基础上,开发了一个协同深度监督网络框架(CLT-ASegNet),该框架利用混合多尺度语义特征融合进一步提高了模型的判别能力和收敛速度.CLT-ASegNet在CLTCTI分割数据集和Lung16数据集上进行了评估.实验结果表明,所提出的CLT-ASegNet可以有效分割肺肿瘤.

网络暴力法律界定的问题审视及治理进路

“网络暴力”在不同学科有不同的含义,法律上的网络暴力是指发生在网络公共空间的针对特定个人的人身侵权行为。在现行法律下,信息发布平台既不对网络暴力的发生和传播负有事先审查义务,也不负有向受害人披露侵权者身份信息的义务,而是按照“通知—删除”规则消极应对,这是网络暴力背后的主要原因。同时,公司法规范缺乏系统性、法律责任过轻等也不利于网络暴力问题的有效治理。因此,立法应该从以下维度进行优化:适应网络时代信息传播的客观规律,贯彻“事先预防+事后救济相结合”的理念;让信息发布平台承担事先审查义务和侵权行为人身份信息披露义务;协调公私法的有关规范;加大网络暴力行为的法律责任。

前期情境对否定句加工进程的影响

采用词汇探测范式探讨情境对否定句加工进程的影响,包括3个实验。实验1考察有利于被否定状态通达的前期情境对否定比喻句加工的影响,实验2和实验了考察有利于真实状态通达的前期情境对否定比喻句加工的影响。结果发现:由于存在前期情境,在ISI为750ms时,否定句的被否定状态依然在被试头脑中表征着,抑制效应出现得更晚;在ISI为500ms和150ms时,否定句的真实状态在早期就得以表征,且不需要经过对被否定状态的抑制。

创始人的人格特质对科技型新企业成长的影响研究

针对创始人不同人格特质维度对新企业成长的作用及其差异性问题,基于中国情境下的创业环境背景,以科技型新企业为研究对象,关注创始人的创造性、成就需求以及风险承担性等不同人格特质对新企业成长的作用,通过大规模问卷调查,发现创造性与成就需求积极影响新企业成长,而风险承担性与新企业成长呈倒U型关系;同时,还关注了创始人先前经验的调节作用。实证分析结果显示,先前经验强化了创造性对新企业成长的积极影响,而对成就需求及风险承担性与新企业成长关系的调节效应并不显著。

结合切片上下文信息的多阶段胰腺定位与分割

当前基于深度学习的胰腺分割主要存在以下问题:(1)胰腺的解剖特异性导致深度网络模型容易受到复杂多变背景的干扰;(2)传统两阶段分割方法在粗分割阶段将整张CT图像作为输入,导致依赖粗分割结果得到的定位不够准确;(3)传统两阶段分割方法忽略了切片间的上下文信息,限制了定位和后续分割结果的提升.针对上述问题,本文提出了结合切片上下文信息的多阶段胰腺定位与分割方法.第一阶段利用解剖先验定位粗略缩小输入区域;第二阶段先使用所设计的DASU-Net进行粗略分割,接着利用切片上下文信息优化分割结果;第三阶段使用单张切片定位进一步减少不相关背景,并使用DASU-Net完成精细分割.实验结果表明,本文所提方法能够有效提高胰腺分割的准确率.

融合上下文信息的多尺度图像显著性检测

针对由单一尺度的稀疏重构来描述图像显著性时产生的错误检测问题,提出一种融合上下文信息的多尺度图像显著性检测算法.该方法首先采用多尺度的SLIC超像素分割方法处理输入图片,建立背景模板,采用稀疏表示算法进行稀疏重构;然后构建图像的上下文信息计算各超像素显著值,平滑相似图像块之间的稀疏重构误差,改善前景图像块被错误包含在背景模板时引起的错误检测问题;之后设计加权融合策略完成多尺度显著性融合,最后加入位置信息使得上下文显著性检测的结果更加准确,得到最终的显著图.仿真实验结果表明,在国际公开的数据库中,该方法得到的显著图能够均匀地突出显著对象,较强地抑制背景噪声.

基于前馈上下文和形状先验的平面标注方法

针对真实场景中由于互相遮挡导致的场景语义不能完全被理解的问题,提出了一种基于前馈上下文和形状先验的方法来对前景区域和被遮挡的背景区域进行语义标注。首先,将原始图像分割成超像素并提取像素点特征,采用加速决策树方法标注前景,同时采用改进的基于多尺度可形变的部件模型方法进行目标检测。其次,将可见对象信息与前馈上下文预测相结合来推测背景区域的被遮挡部分。然后,根据与当前标签置信度相匹配的多边形为每个标签提供形状先验知识。最后,结合像素预测与可视平面预测和多边形知识,以形成完整的场景标注图像。与现有方法相比,该方法能够得到与街道场景更相符的结果,并在人行道和公路较接近时的标注效果更好。

基于决策树的知识融合关键技术研究

根据知识融合的研究现状,针对多源、异构和高维的数据特点,拟从实体链接的角度进行知识融合。为了提高实体链接的效果,首先进行信息处理,分别获得实体嵌入、先验流行度和实体上下文特征;然后采用ID3算法对实体进行预测,在特征的基础上构建决策树,从而对知识库中的实体进行链接预测;最后通过参数分析,当树的深度为14时能取得最好的结果,其对应的精确率为0.74,召回率为0.78,F1值为0.76。

纹理细节恢复的图像超分辨率重建算法

针对现有单图像超分辨率方法在重建过程中容易忽略原图像中不同结构-纹理的差异与联系,导致生成的高分辨率图像缺乏纹理细节并存在伪影的问题,提出了纹理细节恢复的图像超分辨率重建算法。该方法由梯度分支、纹理分支和图像超分辨率分支组成。其中,在梯度分支和纹理分支之间使用了类注意力模块处理二者的特征混淆问题,并通过双向特征融合模块实现了对结构特征与纹理特征的相互促进,作为先验信息以达到纹理细节信息增强的目的。此外,在图像超分辨率分支还通过构建特征恢复模块,利用浅层和深层信息帮助网络保留了图像中更丰富的上下文信息和纹理细节。该方法通过在DIV2K数据集上进行了网络训练,并在5个基准测试集Set5、Set14、BSD100、Urban100和MANGA109上进行了实验,峰值信噪比(PSNR, Peak Signal to Noise Ratio)分别:37.88dB、33.28dB、32.0781dB、31.89dB、38.39dB,相比现有方法均有显著提升。实验结果表明,本文方法获得了有效的重建图像并且保留更多的图像细节,生成具有边缘清晰和逼真细节的超分辨率图像。

基于模型结构先验的神经机器翻译研究

随着国际交流的增加,有必要对机器翻译模型进行研究,以提高英语翻译的质量。研究开发了一个基于分层先验模型结构的神经机器翻译框架模型,并利用定向动态路由对其进行改进。实验结果表明,FRNN+PRNN模型的翻译性能得到了大幅提升,优化后模型在测试集MT04、MT05、MT06上面的翻译结果分值分别为48.13、45.98、42.85,评分值远远高于RNMT模型和优化前模型。优化后模型在人工和自动评价中的翻译质量分值均最高,具有最高的翻译质量和最少的遗漏、重复翻译;NMT、优化前模型、优化后模型的CDR值分别为0.80、0.76、0.73,说明优化后模型具有很好的翻译忠实度和翻译质量。

语境的社会—认知语用考辨

本文主要从社会—认知语用视角(SCA)对语境进行考察,包括SCA的语用思想,重点分析思想中的前语境和涌现语境。集体前语境与个体前语境之分可揭示前语境的社会同一性和个体差异性,互竞语境体现前语境与情境的辩证关系;涌现要素和涌现机制说明语境共建的涌现性特征。SCA的语境思想不但可阐释语境主—客体、静—动态的矛盾,也可进一步说明语境的动态性,尤其是涌现性,为言语交际研究提供新视角。

不同地位克氏原螯虾对社会环境改变的行为反应

为探究不同社会地位的亚成体克氏原螯虾(Procambarus clarkii)对利益的分配,以及对社会环境改变(体型较大的入侵同类)各自做出的行为反应,本文统计已确立等级序列的成对同性别螯虾对隐蔽所的占有情况,并视频拍摄同性别螯虾入侵时,入侵者及不同地位的原居者的格斗行为,分析格斗次数、格斗时间、首次攻击及被首次攻击对象多个参数。在隐蔽所占有实验中,71%为优势者占有隐蔽所,7%为从属者占有,共同占有或没有占有的各11%。在入侵-反入侵实验中,雄性入侵者对2只原居虾之间的攻击选择无显著差异,雌性入侵者首次攻击显著选择与原优势者格斗;雄性原居者中优势者对入侵者和原从属者的攻击无显著差异,雌性优势者则显著选择与入侵者格斗;雄性原居者中从属者显著选择与入侵者格斗,雌性从属者对入侵者和原优势者的攻击无显著差异。上述结果表明,优势者优先占有资源;雌雄螯虾在入侵和面临入侵时有各自不同的策略;不同地位的螯虾在反入侵时行为反应也各有不同。